目前,最新的美颜算法已经发展到了2.0阶段,打个比方,如果美颜算法1.0只是化妆(磨皮、祛痘、肤色调整)的话,美颜算法2.0基本就能达到美容的效果——把眼睛变大,把圆脸变成瓜子脸。而实现这一效果的基础就是人脸识别技术。
如何实现?
简单来讲,以直播为例,从相机采集到的每一帧画面,进行人脸识别,再标示出关键点的位置,结合图像技术得到最终的效果。接下来小编将深入讲解下人脸识别,目前人脸识别领域可分为机器学习与深度学习两类方案。
机器学习方案:
机器学习识别物体是基于像素特征,首先搜集大量的图像素材,再选择一个算法,使用这个算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。
深度学习方案:
深度学习与机器学习不同的是,它会模拟人类自己去识别人脸的思路。人在认识一个东西、观察一个东西的时候,边缘检测类的神经元先反应比较大,也就是说我们看物体的时候永远都是先观察到边缘。经过大量观察与实验,总结出人脸识别的核心模式是基于特殊层级的抓取,从一个简单的层级到一个复杂的层级,这个层级的转变是有一个抽象迭代的过程的。
深度学习就模拟了人类去观测物体的方式,首先拿到海量数据,拿到以后才有海量样本做训练,抓取到核心特征建立一个网络。因为深度学习的本质就是建立一个多层神经网络。有些简单的算法可能只有四五层,但是有些复杂的,有一百多层,不同的层负责不同的处理方式。
当然这其中每一层有时候会去做一些数学计算,有的层会做图象预算,一般随着层级往下,特征会越来越抽象。
两种方案的区别
举个例子来说:比如要识别具体环境中的人脸,如果遇到云雾,或者被树遮挡一部分,人脸就变得残缺与模糊,那基于像素特征的机器学习就无法辨认了。它太容易受环境条件的干扰。
而深度学习则将所有元素都打碎,然后用神经元进行“检查”:人脸的五官特征、人脸的典型尺寸等等。最后,神经网络会根据各种因素以及各种元素的权重,得出一个经过深思熟虑的猜测,即这个图像有多大可能是张人脸。
从以上两种比较方案中可以得出,深度学习是人脸识别中最优选的方案,那么下一步,就是如何通过海量数据,让计算机或者代码通过人脸识别技术懂得“审美”,这就是它在美颜算法中的作用。关于它运作的具体过程,小编将在下一篇文章中向大家具体介绍。如果你对美颜SDK接入有需求,请咨询客服。
声明:本文由美狐原创,未经允许禁止转载,谢谢合作。